[發明專利]車身側視圖參數化模型的自動提取方法

有效

• 申請號: 201710530836.6
• 申請日: 2017-07-03
• 公開（公告）號: CN107346437B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 李寶軍;王博;宋明亮;董穎
• 申請（專利權）人: 大連理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/13;G06F17/50
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

本發明提供了一種車身側視圖參數化模型的自動提取方法。在提取參數化模型過程中，能夠判定側視圖的正確性，并能夠根據側視圖的重要結構參數指標判定側視圖的方向性，以及對不同車型進行分類。通過定位車身側視圖的兩個車輪，利用模板均勻離散點集與圖像特征點集匹配的方法對參數化模板與圖像特征點進行匹配，結合關鍵點位置約束、特征線形狀約束、模型全局約束，利用動態規劃的方法優化特征曲線與圖像特征點的覆蓋率來提取側視圖參數化模型。給定車身圖像，就可以全自動得到一個新的車身結構，可以方便的建立汽車的圖片庫。利用圖像特征點與模板的點集配準方法，根據車身主要結構參數，能夠對不同的車型進行分類，進一步自動提取到對應的參數化模型。

技術領域

本發明涉及一種由汽車側視圖圖片全自動提取出車身參數化模型。同時，在提取參數化模型過程中，能夠判定側視圖的正確性，并能夠根據側視圖的主要參數指標判定側視圖的方向性，以及對不同車型進行分類。

背景技術

目前為止，為了提高汽車設計效率，促進產品創新設計和加快推出新產品的步伐，汽車研發過程中的許多環節已實現數字化。設計師是從基礎的線條開始來設計產品的框架，這些線條是產品的結構線，比如輪廓，影響產品感覺的重要的線條。主要線條的幾何模型可以從已知產品的圖像或手工草圖中獲取，設計師通過使用CAD工具進行模型的修改。車身參數化模型的精確提取有助于進一步的車型分析，提高海量圖像數據的重用率，以及提升利用圖像重建三維模型的高效性。

發明內容

針對現有的挑戰，本發明提出了一種車身前視圖參數化模型全自動精確提取技術。本技術在汽車車身造型設計時，不僅實現數字化，而且實現數字化幾何模型的有效重用，實現概念設計的智能化與集成化。

車身側視圖參數化模型的自動提取方法，步驟如下：

(1)按照車身結構特征，采用跑車和SUV的結構特征2種參數化模板；跑車的參數化模板，用于提取跑車類型的參數化模型；SUV的參數化模板，用于提取除跑車外其他車型的參數化模型，包括SUV、掀背車、商旅車、城市微型車、普通轎車；如圖1所示。

(2)特征點提取及圖像校準：

1)圖像尺寸調整：采用一致縮放的方法將圖像的寬度調整至一致；

2)圖像特征點提取：首先，利用Canny邊界提取算子得到初始邊緣點，將鄰近邊緣點連接成關鍵特征點鏈；

其次，關鍵特征點鏈分割成短鏈，以關鍵特征點鏈的兩端點的連線作為基礎，在關鍵特征點鏈上找到距離該連線最大的點；如果從該最大的點處分開，形成的兩側鏈中的不少于一條的擬合誤差大于給定閾值，則將關鍵特征點鏈在該連線最大的點處斷開為兩條關鍵特征點鏈，否則保留該關鍵特征點鏈；關鍵特征點鏈分割成短鏈過程為迭代過程，最終分割的結果為基本鏈條，用來計算擬合曲線以及車輪半徑和位置；

3)利用車輪的提取識別側視圖：通過兩個車輪的判定來區分一幅圖像是否為車身側視圖圖像；車輪識別的具體方法是利用步驟2)得到的基本鏈條，計算每一個基本鏈條的圓心及半徑，根據計算得到的不同的圓心及半徑聚類得到左右兩側的圓；

(3)模板與圖像匹配：

1)圖像曲線生成：盡可能多的合并相鄰的基礎鏈條，擬合形成多個二次曲線；

2)點集匹配：采用PR-GLS(Non-Rigid Point Set Registration by PreservingGlobal and Local Structures)點集匹配算法建立參數模板的均勻離散點集與二次曲線的均勻離散點集的對應關系，得到模型關鍵特征點在圖像中的初始化位置；

3)車型分類：根據變形后模板重要結構參數的分析，確定車身在圖像中的方向，若是反向的則將圖像水平翻轉；根據豎直車門線的空間位置將車型分為3門或5門車型；跑車類別是由匹配后變形后的模板的高度所決定的；